原创力文档- 1、本文档共45页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
机器学习与数据挖掘实验-决策树--第1页
计算机
科学与年级/专
学院姓名学号
网络工业/班
程学院
实验课
机器学习与数据挖掘实验成绩
程名称
实验项指导老
实验二决策树
目名称师
实验二决策树
一、实验目的
本实验课程是计算机、智能、物联网等专业学生的一门专业课程，
通过实验，帮助学生更好地掌握数据挖掘相关概念、技术、原理、应
用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学
生对机器学习算法、数据挖掘实现等有比较深入的认识。
1.掌握机器学习中涉及的相关概念、算法。
2.熟悉数据挖掘中的具体编程方法；
3.掌握问题表示、求解及编程实现。
二、基本要求
1.实验前，复习《机器学习与数据挖掘》课程中的有关内容。
2.准备好实验数据。
3.编程要独立完成，程序应加适当的注释。
4.完成实验报告。
机器学习与数据挖掘实验-决策树--第1页
机器学习与数据挖掘实验-决策树--第2页
三、实验软件
使用Python语言实现。
四、实验内容：
表4.1的西瓜数据集包括17个训练样例，请学习一个决策树，用于
预测一个西瓜是不是好瓜。具体要求如下：
（1）在生成决策树的过程中，请分别使用ID3算法、C4.5算法、CART
算法，并对比三个算法结果。其中，
ID3算法在生成决策树的各结点使用信息增益准则进行特征选择；
C4.5算法在生成决策树的过程使用信息增益比进行特征选择；
CART算法假设决策树是一个二叉树，通过递归地二分每个特征，将
特征空间划分为有限个单元，并在这些单元上确定预测的概率分布。
（2）请自己写程序实现决策树的生成过程，不要直接调用决策树算
法包。
机器学习与数据挖掘实验-决策树--第2页
机器学习与数据挖掘实验-决策树--第3页
五、实验具体实现
算法理论知识
决策树的具体流程:
(1)创建数据集
(2)计算数据集的信息熵
(3)遍历所有的特征，选择信息熵最小的特征，即为最好的分类特征
(4)根据上一步得到的分类特征分割数据集，并将该特征从列表中移除
(5)使用决策树执行分类，返回分类结果
学习的伪代码：
Iif每个子项属于同一个类，return类标签
IIelse
（1）寻找划分数据集的最好特征
（2）划分数据集
(3)创建分支结点
①for每个划分的子集
②调用分支创建函数并增加返回结果到分支结点中
机器学习与数据挖掘实验-决策树--第3页
机器学习与数据挖掘实验-决策树--第4页
（4）返回分支结点
ID3
文档评论（0）